Skip to content

Utilisation de l'interface de ligne de commande

L'interface de ligne de commande YOLO (CLI) permet d'effectuer des commandes simples sur une seule ligne sans avoir besoin d'un environnement Python . CLI ne nécessite aucune personnalisation ni aucun code Python . Tu peux simplement exécuter toutes les tâches à partir du terminal avec la commande yolo commande.



Regarde : Mastering Ultralytics YOLOv8 : CLI

Exemple

Ultralytics yolo Les commandes utilisent la syntaxe suivante : 

yolo TASK MODE ARGS

Where   TASK (optional) is one of [detect, segment, classify]
        MODE (required) is one of [train, val, predict, export, track]
        ARGS (optional) are any number of custom 'arg=value' pairs like 'imgsz=320' that override defaults.
Voir tous les ARGS au complet Guide de configuration ou avec yolo cfg

Entraîne un modèle de détection pendant 10 époques avec un taux d'apprentissage initial de 0,01. 

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Prédis une vidéo YouTube à l'aide d'un modèle de segmentation pré-entraîné à la taille d'image 320 : 

yolo predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Val un modèle de détection pré-entraîné à la taille de lot 1 et à la taille d'image 640 : 

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Exporte un modèle de classification YOLOv8n au format ONNX avec une taille d'image de 224 par 128 (aucune TÂCHE requise). 

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

Exécute des commandes spéciales pour voir la version, afficher les paramètres, effectuer des vérifications et plus encore : 

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

OĂą :

  • TASK (facultatif) est l'un des Ă©lĂ©ments suivants [detect, segment, classify]. S'il n'est pas transmis explicitement, YOLOv8 essaiera de deviner le nom de l'utilisateur. TASK du type de modèle.
  • MODE (obligatoire) est l'un des Ă©lĂ©ments suivants [train, val, predict, export, track]
  • ARGS (facultatif) sont un nombre quelconque de arg=value paires comme imgsz=320 qui remplacent les valeurs par dĂ©faut. Pour une liste complète des ARGS voir le Configuration page et defaults.yaml GitHub source.

Avertissement

Les arguments doivent être passés en tant que arg=val paires, séparées par une équation = signe et délimité par des espaces entre les paires. N'utilise pas -- préfixes ou virgules des arguments , entre les arguments.

  • yolo predict model=yolov8n.pt imgsz=640 conf=0.25   âś…
  • yolo predict model yolov8n.pt imgsz 640 conf 0.25   ❌
  • yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25   ❌

Train

Entraîne YOLOv8n sur l'ensemble de données COCO8 pendant 100 époques à une taille d'image de 640. Pour une liste complète des arguments disponibles, voir la page Configuration.

Exemple

Lance l'entraînement YOLOv8n sur COCO8 pour 100 époques à une taille d'image de 640. 

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

Reprendre une formation interrompue. 

yolo detect train resume model=last.pt

Val

Valide la précision du modèle YOLOv8n entraîné sur le jeu de données COCO8. Aucun argument n'a besoin d'être passé en tant que model conserve sa formation data et les arguments en tant qu'attributs du modèle.

Exemple

Valide un modèle officiel YOLOv8n . 

yolo detect val model=yolov8n.pt

Valide un modèle formé sur mesure. 

yolo detect val model=path/to/best.pt

Prévoir

Utilise un modèle YOLOv8n entraîné pour faire des prédictions sur les images.

Exemple

Prédis-le à l'aide d'un modèle officiel YOLOv8n . 

yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

Prévoir avec un modèle personnalisé. 

yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'

Exporter

Exporte un modèle YOLOv8n vers un format différent comme ONNX, CoreML, etc.

Exemple

Exporte un modèle officiel YOLOv8n au format ONNX . 

yolo export model=yolov8n.pt format=onnx

Exporte un modèle personnalisé au format ONNX . 

yolo export model=path/to/best.pt format=onnx

Les formats d'exportation disponibles sur YOLOv8 sont présentés dans le tableau ci-dessous. Tu peux exporter vers n'importe quel format à l'aide de la fonction format argument, c'est-à-dire format='onnx' ou format='engine'.

Format format Argument Modèle Métadonnées Arguments
PyTorch - yolov8n.pt âś… -
TorchScript torchscript yolov8n.torchscript âś… imgsz, optimize, batch
ONNX onnx yolov8n.onnx âś… imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n_openvino_model/ âś… imgsz, half, int8, batch
TensorRT engine yolov8n.engine âś… imgsz, half, dynamic, simplify, workspace, batch
CoreML coreml yolov8n.mlpackage âś… imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n_saved_model/ âś… imgsz, keras, int8, batch
TF GraphDef pb yolov8n.pb ❌ imgsz, batch
TF Lite tflite yolov8n.tflite âś… imgsz, half, int8, batch
TF Bord TPU edgetpu yolov8n_edgetpu.tflite âś… imgsz, batch
TF.js tfjs yolov8n_web_model/ âś… imgsz, half, int8, batch
PaddlePaddle paddle yolov8n_paddle_model/ âś… imgsz, batch
NCNN ncnn yolov8n_ncnn_model/ âś… imgsz, half, batch

Voir l'intégralité export détails dans le Exporter page.

Remplacer les arguments par défaut

Les arguments par défaut peuvent être remplacés en les passant simplement en tant qu'arguments dans la page CLI dans arg=value paires.

Entraîne un modèle de détection pour 10 epochs avec learning_rate de 0.01 

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Prédis une vidéo YouTube à l'aide d'un modèle de segmentation pré-entraîné à la taille d'image 320 : 

yolo segment predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

Valide un modèle de détection pré-entraîné pour une taille de lot de 1 et une taille d'image de 640 : 

yolo detect val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Remplacer le fichier de configuration par défaut

Tu peux remplacer le default.yaml en passant un nouveau fichier avec l'option cfg Les arguments, c'est-Ă -dire cfg=custom.yaml.

Pour ce faire, crée d'abord une copie de default.yaml dans ton répertoire de travail actuel avec l'option yolo copy-cfg commande.

Cela créera default_copy.yamlque tu peux ensuite passer comme cfg=default_copy.yaml ainsi que tout autre argument supplémentaire, comme imgsz=320 dans cet exemple :

Exemple

yolo copy-cfg
yolo cfg=default_copy.yaml imgsz=320


Créé le 2023-11-12, Mis à jour le 2024-04-27
Auteurs : glenn-jocher (14), Burhan-Q (1), RizwanMunawar (1), AyushExel (1), Laughing-q (1), shuizhuyuanluo@126.com (1)

Commentaires